[發明專利]基于業務特征的通信業務預測方法

有效

• 申請號: 201210576075.5
• 申請日: 2012-12-26
• 公開（公告）號: CN103024762A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 馮志勇;張平;陳亞迷;石聰;尹鵬;劉慶;楊棟;張奇勛;馬云飛;王瑩;陳施;尉志清;莊荔;宋浩明;陶永燕
• 申請（專利權）人: 北京郵電大學
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W24/02
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩

技術領域

本發明涉及通信技術領域，特別是涉及一種基于業務特征的通信業務預測方法。

背景技術

目前，大部分運營商采用的無線通信業務預測技術僅限于簡單函數的擬合預測，輸入參數和預測模型都相對簡單，實際上是對一種趨勢的粗略的估計，在無線通信業務快速發展和網絡快速工程建設中，起到一定的積極作用。而今天，隨著用戶行為以及網絡規模和結構的變化，使得原有簡單的預測技術已經不再適合了。

總結起來，當前主要的無線通信業務預測方法包括慣性預測、卡爾曼濾波、話務量OLAP（On-Line?Analytical?Processing，在線分析處理）分析等。其中慣性預測和卡爾曼濾波相對簡單，但是難以滿足現階段話務量的復雜變化方式。

隨著時序預測問題的深入研究，其技術手段由原來的概率論、隨機過程等純數學的方法，如采用ARMA（Auto-Regressive?and?Moving?Average?Model，自回歸滑動平均模型）預測模型來近似描述時間序列，到引入動力學系統的一些知識抽取時序的系統特征，再到引入神經網絡等人工智能領域內的技術和數學手段相結合的方法，綜合性越來越強。

ARMA模型被廣泛地應用于時間序列的分析和預測，若時間序列是平穩的，可以用自回歸模型AR（p）、滑動平均MA模型、自回歸移動平均模型ARMA（p，q）來進行分析，ARMA模型能夠較好地描述時間序列，但是其前提是時間序列是平穩的，缺點是預測速度慢。

神經網絡己經成為預測的一種重要模型，神經網絡有多種結構，最常用的是多層BP模型。但是BP預測模型的參數難以選擇，難以確定隱含層和隱含層節點的個數。

基于支持向量機（SVM）回歸分析的預測模型，由于有較為嚴格的統計學習理論作保證，應用SVM方法建立的模型具有較好的推廣能力。近年來SVM被廣泛的應用于人工智能的各個方面，并取得了成功的應用；SVM通過核函數實現到高維空間的非線性映射，所以適合于解決本質上非線性的回歸函數估計等問題。話務量數據是一種非線性的時間序列，因此SVM同樣適用于建立話務量的預測模型。

業務預測的主要目標是實現對未來業務的精確預測，并進一步指導網絡性能的評估以及網絡的規劃優化。當前業務預測方法普遍存在的不足是：

1、一方面不斷引入更新更復雜的算法，例如神經網絡、支持向量機；另一方面則忽視了業務特征上的分析，企圖以一個模型預測所有可能特征的業務。事實上，業務的區域性、周期性、業務特征的差異化要求同時存在多個業務預測模型，以實現對具有不同特征的業務進行精確預測。

2、當前業務預測試圖預測單一站點的業務量；然而，由于蜂窩系統中用戶的移動性特點，對單一站點執行業務預測是不合理的，很難達到一個穩定的結果。

3、既有業務預測沒有將覆蓋盲區作為潛在業務量生成空間共同生成業務的預測結果，使得業務預測結果難以有效地用于指導網絡的評估規劃以及優化。

4、現有預測方法希望能夠將歷史數據用于預測未來較長時間的業務量，因此，如果沒有捕捉到在這段時間內外界突發因素的影響以及業務量趨勢的變化，則難以進行精確的預測。

5、現有預測方案期望根據輸入的數據，不斷調整預測模型的參數，從而引入了大量的預測模型訓練開銷和延遲。

綜上所述，已有的研究大多是采納神經網絡、支持向量機模型以及演進模型這些復雜的數學工具實現業務預測。但是對于業務特征的研究以及業務樣本的構造則鮮有提及或者不夠深入。然而，業務的樣本特征是預測算法性能的關鍵影響因子，可以說沒有好的樣本，就沒有好的預測樣本，也就難以設計出好的預測算法。因此，利用現代數學中有關估計和預測模型進行移動網絡話務模型研究，提高預測的準確度，意義非常重大。

發明內容

（一）要解決的技術問題

本發明要解決的技術問題是：如何提高通信業務預測的準確度。

（二）技術方案

為了解決上述技術問題，本發明提供一種基于業務特征的通信業務預測方法，包括以下步驟：

S1、對待預測的業務量數據進行預處理；

S2、對預處理后的業務量數據進行樣本構造、樣本概化以及樣本篩選處理；

S3、根據樣本的業務特征對經步驟S2處理后的業務量數據進行聚類，得到多個區域類型的業務量數據的預測模型；

S4、對每個區域類型的業務量數據分別進行業務預測，估算出業務量數據所處網絡區域；

S5、估算所述網絡區域內所需網絡資源；